机器学习-逻辑回归法实现肿瘤预测案例

1、分析步骤：
（1）获取数据：https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data
（2）基本数据处理：缺失值处理、确定特征值，目标值、分割数据
（3）特征工程
（4）机器学习 - 模型训练（逻辑回归）
（5）模型评估：准确率、预测值

2、所需API：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

3、代码示例🌰：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
import ssl

ssl._create_default_https_context = ssl._create_unverified_context

"""
肿瘤分类分析
"""

# 1、获取数据
names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
         'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin',
         'Normal Nucleoli', 'Mitoses', 'Class']
data = pd.read_csv(
    "https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
    names=names)

print(data.head())

# 2、基本数据处理
# 2.1、缺失值处理
data = data.replace(to_replace="?", value=np.nan)
data = data.dropna()

# 2.2 确定特征值，目标值
x = data.iloc[:, 1:10]
print("x.head():", x.head())
y = data["Class"]
print("y.head():\n", y.head())

# 2.3 分割数据
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22, test_size=0.2)

# 3.特征工程（标准化）
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)

# 4.机器学习 - 模型训练（逻辑回归）
estimator = LogisticRegression()
estimator.fit(x_train, y_train)

# 5.模型评估
# 5.1 准确率
ret = estimator.score(x_test, y_test)
print("准确率为：\n", ret)

# 5.2 预测值
y_pre = estimator.predict(x_test)
print("模型预测值为：\n", y_pre)

4、示例运行结果：

运行结果.png

总结：

• 虽然例子中，运行结果可以看出预测值还是比较高的，但是在很多分类场景当中，我们不一定只关注预测的准确率！！！
  在这个癌症例子里，我们并不关注预测的准确率，而是关注在多有的样本当中，癌症患者有没有被全部预测(检测)出来，可以关注精确率、召回率等。

• 简单来说：

  • 如果数据中有缺失值，一定要对其进行处理。
  • 准确率并不是衡量分类正确的唯一标准。